---
title: "ALUMNADO FE4 Y UCM"

author: "MJ López Herrero"
date: "`r Sys.Date()`"
output: 
  flexdashboard::flex_dashboard:
    theme: journal
    source_code: embed
    logo: logos/woman.png
    favicon: logos/ucm_favicon.png
    social: [ "twitter", "facebook", "menu" ]
    navbar:
      - { title: "Datasets", href: "https://www.ucm.es/la-universidad-en-cifras", align: left }
---


``` {r setup, include = FALSE}
library(flexdashboard)
library(readr)
library(dplyr)
library(ggplot2)
library(DT)
library(plotly)

df<- read_delim("datos_tratados.csv", delim= ";")
df$CURSO<-factor(df$CURSO)
df$CENTRO<-factor(df$CENTRO)
# Aquí se escriben las variables y dataframes que necesitamos para
#mostrar en el dashboard


# Agrupamoslos datos por curso
grouped_data <- df %>%
  group_by(CURSO) %>%
  summarise(across(where(is.numeric), sum))

df_4_M <- select(grouped_data,CURSO,TOTAL_MUJERES)
df_4_H <- select(grouped_data,CURSO,TOTAL_HOMBRES)
colnames(df_4_M)[2] <-"TOTAL"
colnames(df_4_H)[2] <-"TOTAL"

df_4_M$GÉNERO <- rep('Mujer', times = nrow(df_4_M))
df_4_H$GÉNERO <- rep('Hombre', times = nrow(df_4_H))

df_5 <- bind_rows(df_4_M,df_4_H)
# También se puede poner en la componente

# click en la flecha verde ---> run esta parte entre las 3`
df_2e <- filter(df, CENTRO == "ESTUDIOS_ESTADISTICOS")

```

# DATOS DE MATRÍCULA {data-icon="fa-database"}

## Columna 1 {data-width=400}
### Tabla de datos
```{r}
#Creamos tabla interactiva con DT , antes instalar
tabla_interactiva<-datatable(df_2e,options = list(pageLength=6))
tabla_interactiva
```
### Comentarios {data-height=200 .no-title}
Evolución del número de estudiantes matriculados en la facultad de Estudios Estadísticos
en el periodo comprendido entre 2012 y 2023 (Más información en el enlace [enlace](https://estudiosestadisticos.ucm.es/))

1. Estudiantes matriculados en el periodo: 4372

2. Curso con menor matrícula: 2013-2014 (317 estudiantes)

3. Curso con mayor matrícula: 2022-2023 (419 estudiantes)





## Columna 2  {data-width=600}

### Evolución de la matrícula
```{r fig.width=10, fig.height=5}

g1<-ggplot(df_2e, aes(x = CURSO, y = TOTAL)) +
  geom_col(color = "blue", fill= "darkblue") +
  labs(title = "", x= "Curso", y= "Total de estudiantes")+
  theme(axis.text.x = element_text(angle = 55, vjust = 1,size = 8))
#summary(df_2e        )
   
 #
g2<- ggplotly(g1)
g2
```



# DATOS UCM {data-orientation=rows, data-icon="fa-solid fa-chart-simple"}

## Columna 2.1

### Componente dinámico con ggplot + plotly
```{r}
g21 <-ggplot(df_5, aes(x = CURSO, y = TOTAL, fill = GÉNERO)) +
  geom_bar(stat = "identity", position = "dodge") +
  labs(title = "Total de Alumnos",
       x = "CURSO",
       y = "Total") +
  scale_fill_manual(values = c("Mujer" = "blue", "Hombre" = "red")) +
  theme(axis.text.x = element_text(angle = 30, vjust = 1, hjust = 1, size = 8))
g22 <- ggplotly(g21)
g22
```

### Componente estático
```{R}
df_3 <- filter(df, CENTRO == "DERECHO" | CENTRO == "CIENCIAS_DE_LA_INFORMACION")

df_3$CURSO <- factor(df_3$CURSO)
df_3$CENTRO <- factor(df_3$CENTRO)
df_4_M <- select(df_3,CURSO,CENTRO,TOTAL_MUJERES)
df_4_H <- select(df_3,CURSO,CENTRO,TOTAL_HOMBRES)

colnames(df_4_M)[3] <-"TOTAL"
colnames(df_4_H)[3] <-"TOTAL"

df_4_M$GÉNERO <- rep('Mujer', times = nrow(df_4_M))
df_4_H$GÉNERO <- rep('Hombre', times = nrow(df_4_H))

# Ahora uno las tablas de Hombre y Mujer

df_5 <- bind_rows(df_4_M,df_4_H)

g1 <-ggplot(df_5) +
  geom_boxplot(aes(y=TOTAL, x = CENTRO, fill = GÉNERO) ) +
  labs(title = "Comparación mujeres y hombres que estudian en la UCM",
       subtitle = " ",
       x = " ",
       y = "Número de estudiantes \n ",
       caption = "Fuente: El Centro de Inteligencia Institucional, UCM."
  ) +
  theme(axis.text.x = element_text(size = 10),
        #arriba(top), izquierda (left), derecha (right)
        legend.position = "top",
  )
g1

```

## Columna 2.B

### Distribución por provincia de origen
```{r}
library(scales)
datprov<-data.frame("Valores"=1:4, "Comunidad"=c("Madrid","Castilla-León","Castilla La Mancha","Otra"), "Numeros"=c(39,21,28,12), "Posiciones"=as.character(c("1","3","2","4")))
ggplot(datprov,aes(x="",y=Numeros, fill=Comunidad))+
  geom_bar(stat = "identity",
           color="white")+
  geom_text(aes(label=percent(Numeros/100)),
            position=position_stack(vjust=0.5),color="white",size=5)+
  coord_polar(theta = "y")+
  scale_fill_manual(values=c("blue","red2","lightgreen","plum1"))+
  theme_void()+
  labs(title="Distribución de estudiantes por comunidad de procedencia")
```

### Contenido del Dashboard

Este dashboard tiene dos páginas que incluyen:

1. Un componente de tabla dinámica

2. Dos componentes dinámicos con ggplot + plotly

3. Dos componentes estáticos 

4. Componentes de comentario con enlaces a web

5. En la barra de navegación:

    a) Un enlace a una web y al código fuente

    b) Enlace a redes sociales